系统的预测控制方法、装置、电子设备及计算机存储介质

本申请提供一种系统的预测控制方法、装置、电子设备及计算机存储介质，通过利用训练样本集以无监督预训练的方式离线逐层训练深度信念网络结构中的受限玻尔兹曼机，自动从数据中提取低阶到高阶的抽象特征，降低对领域知识的依赖以及计算复杂度，并利用测试样本集对训练好的离线模型进行评估，最终确定兼顾准确性与训练时间的智能预测控制模型。本申请通过将采用深度信念网络结构的深度学习控制器与模型预测控制进行结合，在实际应用过程中保证预测的准确性的同时，有效减少了计算复杂度，从而减少在线处理的时间。进而实现了能源控制与优化调度的有效结合，达到良好的节能减排效果，提高了建筑的能源利用效率和可持续性。